Redes neuronales para mejorar la grabación magnética entrelazada

  • Noticias y Actualidad

Investigadores de varias universidades chinas han desarrollado una técnica de detección multipista basada en redes neuronales multitarea para mejorar la tecnología de grabación magnética entrelazada (HIMR). Esta tecnología reduce la complejidad de los cálculos frente a las redes neuronales monotarea, mejorando la relación señal ruido y la fiabilidad general del sistema.

Una de las características de la Grabación Magnética Entrelazada Asistida por Calor (HIMR) es que logra una densidad de almacenamiento superior a la tecnología HAMR convencional, gracias al diseño de pistas entrelazadas. Pero hasta el momento sus desarrolladores han tenido problemas porque el perfil térmico más pequeño que se debe usar en este sistema genera curvaturas de transición más pronunciadas, provocando distorsiones no lineales de la señal de lectura y una mayor tasa de errores de bits (BER). Además, el aumento de la densidad de grabación ocasiona una interferencia entre símbolos (ISI) muy elevada, tanto hacia abajo como en direcciones transversales.

Para solucionar este problema, un equipo de investigadores chinos de la Universidad Shanghai Jiao Tong, la Universidad Jiao Tong de Shanghai y la Universidad de Artes y Ciencias de Chongqing han desarrollado una nueva solución innovadora. Se trata de una red neuronal multitarea asistida por información de transición suave 2D y un algoritmo de detección Bahl-Cocke-Jelinek-Raviv (BCJR) modificado (2DST-MTNN-MB), capaz de detectar tres pistas de forma simultánea.

En su artículo, publicado en la revista IEEE Magnetics Letters, explican que la señal de lectura y la información de transición suave 2D alimentan a la red neuronal multitarea para obtener señales ecualizadas y estimaciones de bits suaves de tres pistas a la vez. Después, la señal de la pista actual y las estimaciones de las pistas laterales se integran en las métricas de ramificación que lleva a cabo el detector BCJR modificado para la detección de los datos. Y cuenta con un decodificador de verificación de paridad de baja densidad (LDCP) conectado en cascada para la detección de errores.

Según las pruebas de simulación que han realizado, el algoritmo 2DST-MTNN-MB ofrece ganancias de 5 dB en la relación señal ruido, con una reducción en la complejidad de cálculo frente a las redes neuronales de tarea única. El resultado es que obtienen una densidad de bit de canal de 3,51 Tb por pulgada cuadrada, lo que reduce la brecha de las interpretaciones BER entre las pistas, tanto a bajas como a altas temperaturas.

Más información

¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecnologías son las más adecuadas? Si quieres obtener más información sobre un segmento en crecimiento puedes visitar la página de nuestro colaborador Western Digital